Matlab聚类：无法在大量数据上正常工作答案

【问题标题】：Matlab Clustering : not working properly over large set of dataMatlab聚类：无法在大量数据上正常工作
【发布时间】：2017-03-06 07:48:30
【问题描述】：

我有一组数据，可以分为两组。沿 y 轴的垂直设置和沿 x 轴的水平设置。我试图分别用蓝色和红色绘制它们。但是正如您所看到的，一些蓝色与红色混合在一起。有人可以帮助我使用聚类正确地做到这一点吗？我使用 kmeans 来做到这一点。

[cidx2,cmeans2] = kmeans(minSpikeV,2);

但似乎效果不佳。

我按照@mpaskov 的说法做了。但现在我明白了。那些红色矩形应该是蓝色方块。谁能帮帮我吗？

【问题讨论】：

由于 kmeans 是一种启发式算法，因此有时这是典型的行为（它只保证收敛到某个局部最优值，因为问题是具有多个局部最小值的非凸优化问题；它是 np-hard）。增加更多鲁棒性的经典方法是使用不同的随机种子（多开始）多次聚类。 mpaskov 的回答给出了一些关于如何手动操作的想法（我使用的所有实现都已经提供了开箱即用的功能）
这个数据对我来说看起来更适合 DBSCAN，但也许 Matlab k-means 不是很好。您是否尝试在 ELKI 中对数据进行聚类？
@Anony-Mousse 那是什么？
我首选的集群工具。速度非常快，有很多选项可供选择。在那里尝试 KMeansPlusPlusInitialization，或者最远的点。
@Anony-Mousse 非常感谢您的建议。我也会试试的

标签： algorithm matlab sorting cluster-analysis

【解决方案1】：

您可以使用不同的方式来初始化方法或自己指定它们。

% uses random samples
[cidx2,cmeans2] = kmeans(minSpikeV,2, 'Start', 'sample');

% not 100% on the dimensions, but I can not try as I do not have the toolbox for kmeans
[cidx2,cmeans2] = kmeans(minSpikeV,2, 'Start', [-0.05,2; -0.25,0.1]);

阅读documentation中的详细信息

【讨论】：

感谢 mpaskov 和 sascha。我还在试图弄清楚你说什么。感谢您的帮助
@TMH 基本上，kmeans 从两个值开始，它们是对每个集群中心位置的猜测。然后它执行迭代以改进它们。如果您从一个非常糟糕的点开始，它可能不会收敛并分离两个集群。现代kmeans算法尝试不同的起点并使用“最佳”的起点，不确定matlab是否这样做。但它确实允许您选择您期望集群围绕的起点或启动算法的不同方式。